Lucene

一、分词器的核心类

1.Analyzer分词器

    SimpleAnalyzer、StopAnalyzer、WhitespaceAnalyser、StandardAnalyser

2.TokenStream

    分词器做好处理之后得到的一个流，这个流中存储了分词的各种信息，可以通过TokenStream有效的获取到分词单元。

3.Tokenizer

    主要负责接收Reader字符流，将Reader进行分词操作，有如下一些实现类。

    

4.TokenFilter

    将分词的语汇单元，进行各种各样的过滤

生成的流程

在这个流中，存储的数据有这些东西：

    

二、Attribute类

    

//前三个很重要！
PositionIncrementAttribute pia = stream.addAttribute(PositionIncrementAttribute.class);
//位置增量的属性，存储语汇单元之间的距离（可做同义词）

OffsetAttribute oa = stream.addAttribute(OffsetAttribute.class);
//每个语汇单元的位置偏移量

CharTermAttribute cta = stream.addAttribute(CharTermAttribute.class);
//存储每一个分词的单元信息

TypeAttribute ta = stream.addAttribute(TypeAttribute.class);
//分词器的类型信息

三、自定义分词器